CN116502939A - 一种负荷调节评估方法、装置、设备及介质 - Google Patents
一种负荷调节评估方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116502939A CN116502939A CN202310316312.2A CN202310316312A CN116502939A CN 116502939 A CN116502939 A CN 116502939A CN 202310316312 A CN202310316312 A CN 202310316312A CN 116502939 A CN116502939 A CN 116502939A
- Authority
- CN
- China
- Prior art keywords
- load
- peak
- index
- evaluation
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 78
- 230000008569 process Effects 0.000 claims abstract description 18
- 238000005265 energy consumption Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 54
- 239000013598 vector Substances 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000007670 refining Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 3
- 238000011158 quantitative evaluation Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000001737 promoting effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Pure & Applied Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- Algebra (AREA)
Abstract
本发明公开了一种负荷调节评估方法、装置、设备及介质,包括以下步骤:S1、采用Kmeans负荷聚类方法对用户典型日负荷的聚类,得到各类用能的等效负荷曲线;S2、建立描述负荷可调节能力的指标;S3、综合层次分析法的主观权重和基于熵权法的客观权重得到各类指标在评价中的综合权重;S4、使用优劣解距离法综合评价各类用能的可调节能力大小。本发明的方法通过建立负荷控制潜力评价指标,能够直观的对描述负荷特性的指标贡献度进行评价,同时通过量化的评价辨识用户负荷的控制特性,为负荷控制的具体实施提供依据,提高实施效率。
Description
技术领域
本发明涉及电力系统,尤其涉及一种负荷调节评估方法、装置、设备及介质。
背景技术
新能源受季节、天气等因素影响,会表现出较大的随机性和间歇性。因此,电网供需两侧在用电高峰期发生的不平衡现象也愈加明显。需求侧资源因其具有灵活性、经济性等特征已逐渐成为了促进供需平衡和电网稳定的重要手段之一。新型电力系统的构建使传统的“源随荷动”电网调控模式向“源荷互动”转变已成为必然。深度挖掘用户负荷特性,评估柔性负荷这一新兴电网调节资源的调节潜力是电力大数据背景下市场精细化发展和解决供需平衡的有效方法,对于推进可调节负荷参与市场,提高电力系统运行效率、促进供需平衡和新能源消纳具有重要的现实意义。
目前,我国以及欧美可调节负荷市场化建设均处于培育和试点阶段,缺乏可靠的负荷调节能力评估方法,无法满足可调节负荷并网运行和市场化建设的需要。
现有技术中,一种基于需求响应的大用户负荷聚类方法(CN106548199A)提出了利用特性指标和综合相似系数对电力大用户进行聚合分类,同时,还有其他方法多只考虑了单一的负荷控制方式,对负荷可调节能力分析的不够全面。
发明内容
本发明针对以上问题,提供了一种研究电力系统用户的用电特征,挖掘电力用户可调节能力的负荷调节评估方法、装置、设备及介质。
本发明的技术方案为:一种负荷调节评估方法,包括以下步骤:
S1、采用Kmeans负荷聚类方法对用户典型日负荷的聚类,得到各类用能的等效负荷曲线;
S2、建立描述负荷可调节能力的指标;
S3、综合层次分析法的主观权重和基于熵权法的客观权重得到各类指标在评价中的综合权重;
S4、使用优劣解距离法综合评价各类用能的可调节能力大小。
步骤S1中,采用基于差分向量的Kmeans负荷聚类方法。
步骤S2中,所述指标包括错时负荷、峰时用电占比、波动率、峰谷差率、峰时平均负荷差异系数以及负荷与温度相关性系数。
所述指标中的错时负荷如下式为:
X11=Ppeak-min(Pe1,Pd1)
式中:X11为用户错时负荷大小;Ppeak为用户在电网高峰时段的最大峰值负荷;Pel和Pdl为电网高峰时段前、后的用户负荷;
峰时用电占比如下式:
X12=Wpeak/Wday
式中:X12为用户峰时用电占比大小,Wpeak为电网高峰时段用户用电量,Wday为用户典型日的用电量;
波动率如下式:
X13=σ/μ
式中:X13为用户负荷波动率大小,σ为用户典型日负荷的标准差,μ为负荷均值;
峰谷差率如下式:
X21=(Pmax-Pmin)/Pmax
式中:X21为用户负荷峰谷差率大小,Pmax、Pmin分别为用户典型日最大、小负荷;
峰时平均负荷差异系数如下式:
式中:X22为用户峰时平均负荷差异系数大小,为用户在电网高峰时段负荷的平均值,/>为用户典型日全天负荷的平均值;
负荷与温度相关性系数如下式:
式中:X23为用户负荷与温度相关性系数大小,为用户典型日平均温度,Tj为典型日各时间段温度,K为典型日总时段数;
步骤S3中,
综合权重如下式:
wi=αwi主观+(1-α)wi客观
式中:α为主观偏好系数,wi主观为主观权重,wi客观为客观权重。
所述主观权重包括以下步骤:
1)、分析电力系统中分类指标和分类细化指标之间的关系,建立电力系统的递阶层次结构;
其中,分类指标为错时潜力、避峰潜力;
分类细化指标为X11、X12、X13和X21、X22、X23;
2)、构造判断矩阵A:
其中:n为评价指标数量,aij表示与第j个指标相比,第i个目标相对重要程度;
3)、填充判断矩阵,根据几何平均法进行计算;
将矩阵行元素求积:
Mi的n次平方根:
各指标主观权重:
所述客观权重包括以下步骤:
1)、建立多属性决策矩阵B:
式中:xmn为第n个评价对象的m个评价指标,n为等效负荷数量,m为6个评价指标;2)、数据矩阵规范化:
式中:pij为规范化数据,xij为矩阵B的元素;
3)、信息熵为:
式中:Ei表示信息熵大小,取常数K=1/ln n,n为评价指标数量;
4)、第i属性下各方案贡献度的一致性程度:
di=1-Ei
式中:di为属性i一致性程度大小;
各指标观权重:
步骤S4包括以下步骤:
1)、构造规范化矩阵C:
式中:n为评价指标数量,m为评价对象数量;
其中:
Zaij=pij·wi
式中:pij为熵权法中的规范化数据,wi为综合权重;
2)、确定正、负理想解
正向指标:
正理想解:
负理想解:
负向指标:
正理想解:
负理想解:
3)、与正、负理想解的欧几里德距离
式中:表示第i个评价对象与指标X11、X12、X13、X21、X22、X23的正理想解的距离;/>表示第i个评价对象与指标X11、X12、X13、X21、X22、X23负理想解的距离;n为评价指标数量;m为评价对象数量;
4)、指标的贴近度
一种负荷调节评估装置,包括:
聚类模块,用于采用Kmeans负荷聚类方法对用户典型日负荷的聚类,得到各类用能的等效负荷曲线;
指标模块,用于建立描述负荷可调节能力的指标;
综合模块,用于综合层次分析法的主观权重和基于熵权法的客观权重得到各类指标在评价中的综合权重;
评价模块,用于使用优劣解距离法综合评价各类用能的可调节能力大小。
所述聚类模块中采用基于差分向量的Kmeans负荷聚类方法。
所述指标模块中的指标包括错时负荷、峰时用电占比、波动率、峰谷差率、峰时平均负荷差异系数以及负荷与温度相关性系数。
所述指标中的错时负荷如下式为:
X11=Ppeak-min(Pe1,Pd1)
式中:X11为用户错时负荷大小;Ppeak为用户在电网高峰时段的最大峰值负荷;Pel和Pdl为电网高峰时段前、后的用户负荷;
峰时用电占比如下式:
X12=Wpeak/Wday
式中:X12为用户峰时用电占比大小,Wpeak为电网高峰时段用户用电量,Wday为用户典型日的用电量;
波动率如下式:
X13=σ/μ
式中:X13为用户负荷波动率大小,σ为用户典型日负荷的标准差,μ为负荷均值;
峰谷差率如下式:
X21=(Pmax-Pmin)/Pmax
式中:X21为用户负荷峰谷差率大小,Pmax、Pmin分别为用户典型日最大、小负荷;
峰时平均负荷差异系数如下式:
式中:X22为用户峰时平均负荷差异系数大小,为用户在电网高峰时段负荷的平均值,/>为用户典型日全天负荷的平均值;
负荷与温度相关性系数如下式:
式中:X23为用户负荷与温度相关性系数大小,为用户典型日平均温度,Tj为典型日各时间段温度,K为典型日总时段数;
所述综合权重如下式:
wi=αwi主观+(1-α)wi客观
式中:α为主观偏好系数,wi主观为主观权重,wi客观为客观权重。
所述主观权重包括以下步骤:
1)、分析电力系统中分类指标和分类细化指标之间的关系,建立电力系统的递阶层次结构;其中,分类指标为错时潜力、避峰潜力;
分类细化指标为X11、X12、X13和X21、X22、X23;
2)、构造判断矩阵A:
其中:n为评价指标数量,aij表示与第j个指标相比,第i个目标相对重要程度;
3)、填充判断矩阵,根据几何平均法进行计算;
将矩阵行元素求积:
Mi的n次平方根:
各指标主观权重:
所述客观权重包括以下步骤:
1)、建立多属性决策矩阵B:
式中:xmn为第n个评价对象的m个评价指标,n为等效负荷数量,m为6个评价指标;
2)、数据矩阵规范化:
式中:pij为规范化数据,xij为矩阵B的元素;
3)、信息熵为:
式中:Ei表示信息熵大小,取常数K=1/ln n,n为评价指标数量;
4)、第i属性下各方案贡献度的一致性程度:
di=1-Ei
式中:di为属性i一致性程度大小;
各指标观权重:
所述评价模块包括以下步骤:
1)、构造规范化矩阵C:
式中:n为评价指标数量,m为评价对象数量;
其中:
Zaij=pij·wi
式中:pij为熵权法中的规范化数据,wi为综合权重;
2)、确定正、负理想解
正向指标:
正理想解:
负理想解:
负向指标:
正理想解:
负理想解:
3)、与正、负理想解的欧几里德距离
式中:表示第i个评价对象与指标X11、X12、X13、X21、X22、X23的正理想解的距离;/>表示第i个评价对象与指标X11、X12、X13、X21、X22、X23负理想解的距离;n为评价指标数量;m为评价对象数量;
4)、指标的贴近度
一种电子设备,包括存储器、处理器及存储在所述存储器上并由所述处理器执行的计算机程序,其特征在于:所述处理器在执行所述计算机程序时,实现任一所述的负荷调节评估方法。
一种计算机可读存储介质,其上存储有计算机程序,该程序执行时实现任一所述的负荷调节评估方法。
本发明在工作中,采用基于差分向量的Kmeans负荷聚类方法实现对用户典型日负荷的聚类,同时构建描述负荷可调节能力的指标,从而进一步构建完整的用户可调节能力评估体系。通过仿真得到各类典型日负荷的用电特性,通过评价方法,可以找到在电网用电高峰时的可调节负荷的用户类型,实现精细化调控,提高调度的效率。
本发明的方法通过建立负荷控制潜力评价指标,能够直观的对描述负荷特性的指标贡献度进行评价,同时通过量化的评价辨识用户负荷的控制特性,为负荷控制的具体实施提供依据,提高实施效率。
附图说明
图1是本发明的流程图,
图2是层次结构图,
图3是本发明实施例中聚类结果图。
具体实施方式
本发明如图1所示,包括以下步骤:通过采用基于差分向量的Kmeans负荷聚类方法实现对用户典型日负荷的聚类,得到各类用能的等效负荷曲线;刻画了各类用户的用电特性,有利于对类型用户的评价分析;
通过建立描述负荷可调节能力的指标,从多个方面描述负荷特性;这样,构建负荷可调节能力的评估指标集,建立了完整的用户可调节能力评价指标体系,为电网高峰期的运行决策提供了参考,有利于实现经济、高效的调度;
综合AHP(层次分析法)的主观权重和基于熵权法的客观权重得到各类指标在评价中的综合权重,使用TOPSIS法(优劣解距离法)综合评价各类用能模式的可调节能力大小,实现量化评估。
具体如下,包括:
S1、首先对用户典型日负荷曲线聚类,获得不同类别的典型用电模式。由于每类用户群体具有相似的负荷特性,因此,对于属于同一类的负荷用户可将其归属为同一类型用户,聚类中心作为该类用户的日等效负荷曲线。为了更好的利用负荷的变化趋势信息,本发明采用基于差分向量的Kmeans负荷聚类方法实现对用户典型日负荷的聚类分析,其中,差分向量为用户的96点日用电负荷数据的差分向量。
其步骤如下:
1)对所有用户的96点负荷数据进行归一化,将数据映射到[0,1]区间中
式中:X*为归一化后数据,X为归一化前数据,Xmax为样本数据的最大值,Xmin为样本数据的最小值;
2)选择k个类的初始中心;
3)在n次迭代中,对任一样本,求其到k个类中心的距离,将样本归到距离更短的中心所在的类,这里使用差分向量的欧式距离作为相似性判据。对m维度(在本发明中维度m为96)的曲线X=(x1,x2,…,xm),使用一阶差分法得到m-1维序列X′=(x2-x1,x3-x2,…,xm-xm-1),再计算两条曲线间的欧式距离
式中:d为两曲线差分向量的欧氏距离,xi、yi表示曲线一、二的第i维度大小;
4)通过求均值的方法更新该类的中心;
5)按照步骤3)、4)迭代更新,各类中心点的均值不再变化时,迭代结束。
S2、建立描述各类负荷特性的指标,本发明选取错时负荷、峰时用电占比、波动率、峰谷差率、峰时平均负荷差异系数以及负荷与温度相关性系数作为用户可调节能力的评估指标。
1.错时负荷:反映用户在高峰时段前后的负荷差,通过错时生产能在电网用电高峰时间段所能释放的负荷大小。错时负荷大说明其在电网用电高峰时段所能调节的潜力大,错时调控效果越好。
X11=Ppeak-min(Pe1,Pd1)
式中:X11为用户错时负荷大小;Ppeak为用户在电网高峰时段的最大峰值负荷;Pel和Pdl为电网高峰时段前、后的用户负荷。
2.峰时用电占比:反映用户在电网高峰时段的用电量在全天总用电量的占比,峰时用电占比越高说明其用电时段集中,错时调控效果越好。
X12=Wpeak/Wday
式中:X12为用户峰时用电占比大小,Wpeak为电网高峰时段用户用电量;Wday为用户典型日的用电量。
3.波动率:反映用户负荷在时间尺度上波动程度的大小,波动率大说明用户负荷曲线起伏程度大,错时的可靠性越高。
X13=σ/μ
式中:X13为用户负荷波动率大小;σ为用户典型日负荷的标准差;μ为负荷均值。
4.峰谷差率:反映日负荷峰谷变化程度。峰谷差率大说明用户全天负荷差异明显,避峰潜力更高。
X21=(Pmax-Pmin)/Pmax
式中:X21为用户负荷峰谷差率大小;Pmax、Pmin分别为用户典型日最大、小负荷。
5.峰时平均负荷差异系数:反映用户在电网高峰期的负荷与全天平均负荷的差异大小,峰时平均负荷差异系数大说明其在电网高峰时段具有较高的负荷,避峰潜力更高。
式中:X22为用户峰时平均负荷差异系数大小;为用户在电网高峰时段负荷的平均值;/>为用户典型日全天负荷的平均值。
6.负荷与温度相关性系数:反映用户负荷受温度影响的大小,负荷与温度相关性系数小说明用户负荷在电网高峰时段受温度的影响较小,避峰潜力更高。
式中:X23为用户负荷与温度相关性系数大小;为用户典型日平均温度,Tj为典型日各时间段温度,K为典型日总时段数。
S3、综合权重说明
1.层次分析法确定主观权重
层次分析法是一种定性和定量相结合的、系统化的、层次化的分析方法,将一个复杂的目标决策问题作为一个系统,将目标分解为多个目标或准则,通过定性指标进行相关计算,以作为多方案优化决策依据的系统方法。层次结构模型如图1所示。
基本步骤:
a.分析系统中各因素分类指标(错时潜力、避峰潜力)和分类细化指标(X11、X12、X13和X21、X22、X23)(如图1层次结构模型)之间的关系,建立系统的递阶层次结构。
b.对于同一层次的个元素关于上一层次中某一准则的重要性两两比较,构造两两比较矩阵(判断矩阵)。
其中:n为评价指标数量,aij表示与第j个指标相比,第i个目标相对重要程度;
c.由判断矩阵计算被比较元素对于该准则的相对权重,并进行一致性检验。
为了检验构造的正互反矩阵的合理性,引入一致性指标CI、随机指标RI及一致性比率CR,根据矩阵A的最大特征值λmax,对判断矩阵进行一致性检验,如果CR<0.1,则认为判断矩阵的一致性可接受,否则需要修正判断矩阵;
一致性指标:
随机指标:
一致性比率:
CR=CI/RI
为了判定构造判断的矩阵的合理与否,如果不合理,需要对矩阵进行改良再检验直至通过为止。
d.填充判断矩阵,根据矩阵计算得分,得出结果。
将矩阵行元素求积:
Mi的n次平方根:
各指标主观权重:
2.熵权法确定客观权重
熵权法是一种客观赋权方法,在具体使用过程中,根据各指标的数据的分散程度,利用信息熵计算出各指标的熵权,再根据各指标对熵权进行一定的修正,从而得到较为客观的指标权重。
多属性决策矩阵如下:
式中:xmn为第n个评价对象的m个评价指标,n为等效负荷数量,本发明实施例中选4;m为6个评价指标(X11、X12、X13、X21、X22、X23)。
数据矩阵规范化:
式中:pij为规范化数据,xij为矩阵B的元素。
信息熵为:
式中:Ei表示信息熵大小,取常数K=1/ln n,n为评价指标数量。
第i属性下各方案贡献度的一致性程度:
di=1-Ei Zaij=pij·wi
式中:di为属性i一致性程度大小。
各属性客观权重:
3.主客观综合权重:
wi=αwi主观+(1-α)wi客观
式中:α为主观偏好系数,一般取α=0.5。
S4、可调节能力评价方法
基本步骤如下:
a.构造规范化矩阵
式中:n为评价指标数量,m为评价对象数量。
其中:
Zaij=pij·wi
式中:pij为熵权法中的规范化数据,wi为主客观综合权重。
b.确定正、负理想解
正向指标:指标数越大对评价结果越有利。
正理想解:
负理想解:
负向指标:指标数越小对评价结果越有利。
正理想解:
负理想解:
在本发明中,正、负理想解为评价指标X11、X12、X13、X21、X22、X23在评价对象中的最大值和最小值。
c.与正、负理想解的欧几里德距离
式中:表示第i个评价对象与指标X11、X12、X13、X21、X22、X23的正理想解的距离;/>表示第i个评价对象与指标X11、X12、X13、X21、X22、X23负理想解的距离;n为评价指标数量;m为评价对象数量。
d.指标贴近度
指标的贴近度ri *越大说明该类离理想方案最近。在本发明中,ri *越大说明其评价对象i离指标X11、X12、X13、X21、X22、X23的正理想解越近。
具体应用中,本发明对部分用户的典型日负荷数据进行仿真分析。
1、通过对部分户用户的典型日负荷曲线进行聚类,得到如图3所示的四类负荷用能曲线及等效负荷。
2、过对四条等效负荷的指标计算得到如表3所示相关数据,然后使用层次分析法计算各类指标的主观权重,表4、5、6为指标的判断矩阵;再通过熵权法计算指标的客观权重最后求得指标综合权重,结果如表1所示。
表1负荷调节潜力评价指标体系权重
表2负荷可调节潜力综合评价相对贴近度及排名
/>
表3负荷可调节潜力评价指标规范化数据
表4两大分类指标判断矩阵
表5错时潜力分类细化指标判断矩阵
/>
表6避峰潜力分类细化指标判断矩阵
负荷可调节能力评价指标构造规范化数据如表7所示,通过TOPSIS法求得负荷可调节潜力综合评价相对贴近度及排名如表2所示。
表7负荷可调节能力评价指标构造规范化数据
/>
结果分析:通过评价结果可知第2类负荷在电网用电高峰期应优先响应,在这类负荷中,可以通过错峰生产实现调控从而减少用电紧张对生产的影响。第4类和第3类负荷因其负荷具有较强的连续性,所以可调节潜力相对较弱。而第1类负荷其全天均处于用电高位且有很强的连续性,故其可调节潜力最低。通过基于AHP-TOPSIS的负荷可调节能力评估结果,其调节潜力情况均符合实际数据,故说明该发明的有效性。
一种负荷调节评估装置,包括:
聚类模块,用于采用Kmeans负荷聚类方法对用户典型日负荷的聚类,得到各类用能的等效负荷曲线;
指标模块,用于建立描述负荷可调节能力的指标;
综合模块,用于综合层次分析法的主观权重和基于熵权法的客观权重得到各类指标在评价中的综合权重;
评价模块,用于使用优劣解距离法综合评价各类用能的可调节能力大小。
所述聚类模块中采用基于差分向量的Kmeans负荷聚类方法。
所述指标模块中的指标包括错时负荷、峰时用电占比、波动率、峰谷差率、峰时平均负荷差异系数以及负荷与温度相关性系数。
所述指标中的错时负荷如下式为:
X11=Ppeak-min(Pe1,Pd1)
式中:X11为用户错时负荷大小;Ppeak为用户在电网高峰时段的最大峰值负荷;Pel和Pdl为电网高峰时段前、后的用户负荷;
峰时用电占比如下式:
X12=Wpeak/Wday
式中:X12为用户峰时用电占比大小,Wpeak为电网高峰时段用户用电量,Wday为用户典型日的用电量;
波动率如下式:
X13=σ/μ
式中:X13为用户负荷波动率大小,σ为用户典型日负荷的标准差,μ为负荷均值;
峰谷差率如下式:
X21=(Pmax-Pmin)/Pmax
式中:X21为用户负荷峰谷差率大小,Pmax、Pmin分别为用户典型日最大、小负荷;
峰时平均负荷差异系数如下式:
式中:X22为用户峰时平均负荷差异系数大小,为用户在电网高峰时段负荷的平均值,/>为用户典型日全天负荷的平均值;
负荷与温度相关性系数如下式:
式中:X23为用户负荷与温度相关性系数大小,为用户典型日平均温度,Tj为典型日各时间段温度,K为典型日总时段数;
所述综合权重如下式:
wi=αwi主观+(1-α)wi客观
式中:α为主观偏好系数,wi主观为主观权重,wi客观为客观权重。
所述主观权重包括以下步骤:
1)、分析电力系统中分类指标和分类细化指标之间的关系,建立电力系统的递阶层次结构;
其中,分类指标为错时潜力、避峰潜力;
分类细化指标为X11、X12、X13和X21、X22、X23;
2)、构造判断矩阵A:
其中:n为评价指标数量,aij表示与第j个指标相比,第i个目标相对重要程度;
3)、填充判断矩阵,根据几何平均法进行计算;
将矩阵行元素求积:
Mi的n次平方根:
各指标主观权重:
所述客观权重包括以下步骤:
1)、建立多属性决策矩阵B:
式中:xmn为第n个评价对象的m个评价指标,n为等效负荷数量,m为6个评价指标;
2)、数据矩阵规范化:
式中:pij为规范化数据,xij为矩阵B的元素;
3)、信息熵为:
式中:Ei表示信息熵大小,取常数K=1/ln n,n为评价指标数量;
4)、第i属性下各方案贡献度的一致性程度:
di=1-Ei
式中:di为属性i一致性程度大小;
各指标观权重:
所述评价模块包括以下步骤:
1)、构造规范化矩阵C:
式中:n为评价指标数量,m为评价对象数量;
其中:
Zaij=pij·wi
式中:pij为熵权法中的规范化数据,wi为综合权重;
2)、确定正、负理想解
正向指标:
正理想解:
负理想解:
负向指标:
正理想解:
负理想解:
3)、与正、负理想解的欧几里德距离
式中:表示第i个评价对象与指标X11、X12、X13、X21、X22、X23的正理想解的距离;/>表示第i个评价对象与指标X11、X12、X13、X21、X22、X23负理想解的距离;n为评价指标数量;m为评价对象数量;
4)、指标的贴近度
一种电子设备,包括存储器、处理器及存储在所述存储器上并由所述处理器执行的计算机程序,其特征在于:所述处理器在执行所述计算机程序时,实现任一所述的负荷调节评估方法。
一种计算机可读存储介质,其上存储有计算机程序,该程序执行时实现任一所述的负荷调节评估方法。
本发明面对风电、光伏等新能源发电的大量推广和使用带来的供需失衡问题,传统调节手段弊端局限性凸显,提出了一种基于负荷特性指标的AHP-TOPSIS负荷可调节能力评估方法。研究电力系统用户的用电特征,挖掘电力大用户的可调节能力,保障大电网的安全和电力的平稳有序供应具有重要意义。
Claims (18)
1.一种负荷调节评估方法,其特征在于,包括以下步骤:
S1、采用Kmeans负荷聚类方法对用户典型日负荷的聚类,得到各类用能的等效负荷曲线;
S2、建立描述负荷可调节能力的指标;
S3、综合层次分析法的主观权重和基于熵权法的客观权重得到各类指标在评价中的综合权重;
S4、使用优劣解距离法综合评价各类用能的可调节能力大小。
2.根据权利要求1所述的一种负荷调节评估方法,其特征在于,步骤S1中,采用基于差分向量的Kmeans负荷聚类方法。
3.根据权利要求1所述的一种负荷调节评估方法,其特征在于,步骤S2中,所述指标包括错时负荷、峰时用电占比、波动率、峰谷差率、峰时平均负荷差异系数以及负荷与温度相关性系数。
4.根据权利要求3所述的一种负荷调节评估方法,其特征在于,所述指标中的错时负荷如下式为:
X11=Ppeak-min(Pe1,Pd1)
式中:X11为用户错时负荷大小;Ppeak为用户在电网高峰时段的最大峰值负荷;Pel和Pdl为电网高峰时段前、后的用户负荷;
峰时用电占比如下式:
X12=Wpeak/Wday
式中:X12为用户峰时用电占比大小,Wpeak为电网高峰时段用户用电量,Wday为用户典型日的用电量;
波动率如下式:
X13=σ/μ
式中:X13为用户负荷波动率大小,σ为用户典型日负荷的标准差,μ为负荷均值;
峰谷差率如下式:
X21=(Pmax-Pmin)/Pmax
式中:X21为用户负荷峰谷差率大小,Pmax、Pmin分别为用户典型日最大、小负荷;
峰时平均负荷差异系数如下式:
式中:X22为用户峰时平均负荷差异系数大小,为用户在电网高峰时段负荷的平均值,/>为用户典型日全天负荷的平均值;
负荷与温度相关性系数如下式:
式中:X23为用户负荷与温度相关性系数大小,为用户典型日平均温度,Tj为典型日各时间段温度,K为典型日总时段数。
5.根据权利要求4所述的一种负荷调节评估方法,其特征在于,步骤S3中,
综合权重如下式:
wi=αwi主观+(1-α)wi客观
式中:α为主观偏好系数,wi主观为主观权重,wi客观为客观权重。
6.根据权利要求5所述的一种负荷调节评估方法,其特征在于,
所述主观权重包括以下步骤:
1)、分析电力系统中分类指标和分类细化指标之间的关系,建立电力系统的递阶层次结构;
其中,分类指标为错时潜力、避峰潜力;
分类细化指标为X11、X12、X13和X21、X22、X23;
2)、构造判断矩阵A:
其中:n为评价指标数量,aij表示与第j个指标相比,第i个目标相对重要程度;
3)、填充判断矩阵,根据几何平均法进行计算;
将矩阵行元素求积:
Mi的n次平方根:
各指标主观权重:
7.根据权利要求1所述的一种负荷调节评估方法,其特征在于,
所述客观权重包括以下步骤:
1)、建立多属性决策矩阵B:
式中:xmn为第n个评价对象的m个评价指标,n为等效负荷数量,m为6个评价指标;
2)、数据矩阵规范化:
式中:pij为规范化数据,xij为矩阵B的元素;
3)、信息熵为:
式中:Ei表示信息熵大小,取常数K=1/ln n,n为评价指标数量;
4)、第i属性下各方案贡献度的一致性程度:
di=1-Ei
式中:di为属性i一致性程度大小;
各指标观权重:
8.根据权利要求1所述的一种负荷调节评估方法,其特征在于,步骤S4包括以下步骤:
1)、构造规范化矩阵C:
式中:n为评价指标数量,m为评价对象数量;
其中:
Zaij=pij·wi
式中:pij为熵权法中的规范化数据,wi为综合权重;
2)、确定正、负理想解
正向指标:
正理想解:
负理想解:
负向指标:
正理想解:
负理想解:
3)、与正、负理想解的欧几里德距离
式中:表示第i个评价对象与指标X11、X12、X13、X21、X22、X23的正理想解的距离;/>表示第i个评价对象与指标X11、X12、X13、X21、X22、X23负理想解的距离;n为评价指标数量;m为评价对象数量;
4)、指标的贴近度
9.一种负荷调节评估装置,其特征在于,包括:
聚类模块,用于采用Kmeans负荷聚类方法对用户典型日负荷的聚类,得到各类用能的等效负荷曲线;
指标模块,用于建立描述负荷可调节能力的指标;
综合模块,用于综合层次分析法的主观权重和基于熵权法的客观权重得到各类指标在评价中的综合权重;
评价模块,用于使用优劣解距离法综合评价各类用能的可调节能力大小。
10.根据权利要求9所述的一种负荷调节评估装置,其特征在于,所述聚类模块中采用基于差分向量的Kmeans负荷聚类方法。
11.根据权利要求9所述的一种负荷调节评估装置,其特征在于,所述指标模块中的指标包括错时负荷、峰时用电占比、波动率、峰谷差率、峰时平均负荷差异系数以及负荷与温度相关性系数。
12.根据权利要求11所述的一种负荷调节评估装置,其特征在于,所述指标中的错时负荷如下式为:
X11=Ppeak-min(Pe1,Pd1)
式中:X11为用户错时负荷大小;Ppeak为用户在电网高峰时段的最大峰值负荷;Pel和Pdl为电网高峰时段前、后的用户负荷;
峰时用电占比如下式:
X12=Wpeak/Wday
式中:X12为用户峰时用电占比大小,Wpeak为电网高峰时段用户用电量,Wday为用户典型日的用电量;
波动率如下式:
X13=σ/μ
式中:X13为用户负荷波动率大小,σ为用户典型日负荷的标准差,μ为负荷均值;
峰谷差率如下式:
X21=(Pmax-Pmin)/Pmax
式中:X21为用户负荷峰谷差率大小,Pmax、Pmin分别为用户典型日最大、小负荷;
峰时平均负荷差异系数如下式:
式中:X22为用户峰时平均负荷差异系数大小,为用户在电网高峰时段负荷的平均值,/>为用户典型日全天负荷的平均值;
负荷与温度相关性系数如下式:
式中:X23为用户负荷与温度相关性系数大小,为用户典型日平均温度,Tj为典型日各时间段温度,K为典型日总时段数。
13.根据权利要求12所述的一种负荷调节评估装置,其特征在于,
所述综合权重如下式:
wi=αwi主观+(1-α)wi客观
式中:α为主观偏好系数,wi主观为主观权重,wi客观为客观权重。
14.根据权利要求13所述的一种负荷调节评估装置,其特征在于,
所述主观权重包括以下步骤:
1)、分析电力系统中分类指标和分类细化指标之间的关系,建立电力系统的递阶层次结构;
其中,分类指标为错时潜力、避峰潜力;
分类细化指标为X11、X12、X13和X21、X22、X23;
2)、构造判断矩阵A:
其中:n为评价指标数量,aij表示与第j个指标相比,第i个目标相对重要程度;
3)、填充判断矩阵,根据几何平均法进行计算;
将矩阵行元素求积:
Mi的n次平方根:
各指标主观权重:
15.根据权利要求9所述的一种负荷调节评估装置,其特征在于,
所述客观权重包括以下步骤:
1)、建立多属性决策矩阵B:
式中:xmn为第n个评价对象的m个评价指标,n为等效负荷数量,m为6个评价指标;
2)、数据矩阵规范化:
式中:pij为规范化数据,xij为矩阵B的元素;
3)、信息熵为:
式中:Ei表示信息熵大小,取常数K=1/ln n,n为评价指标数量;
4)、第i属性下各方案贡献度的一致性程度:
di=1-Ei
式中:di为属性i一致性程度大小;
各指标观权重:
16.根据权利要求9所述的一种负荷调节评估装置,其特征在于,所述评价模块包括以下步骤:
1)、构造规范化矩阵C:
式中:n为评价指标数量,m为评价对象数量;
其中:
Zaij=pij·wi
式中:pij为熵权法中的规范化数据,wi为综合权重;
2)、确定正、负理想解
正向指标:
正理想解:
负理想解:
负向指标:
正理想解:
负理想解:
3)、与正、负理想解的欧几里德距离
式中:表示第i个评价对象与指标X11、X12、X13、X21、X22、X23的正理想解的距离;/>表示第i个评价对象与指标X11、X12、X13、X21、X22、X23负理想解的距离;n为评价指标数量;m为评价对象数量;
4)、指标的贴近度
17.一种电子设备,包括存储器、处理器及存储在所述存储器上并由所述处理器执行的计算机程序,其特征在于:所述处理器在执行所述计算机程序时,实现权利要求1-8中任一所述的负荷调节评估方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序执行时实现权利要求1-8中任一所述的负荷调节评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310316312.2A CN116502939A (zh) | 2023-03-28 | 2023-03-28 | 一种负荷调节评估方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310316312.2A CN116502939A (zh) | 2023-03-28 | 2023-03-28 | 一种负荷调节评估方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116502939A true CN116502939A (zh) | 2023-07-28 |
Family
ID=87323840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310316312.2A Pending CN116502939A (zh) | 2023-03-28 | 2023-03-28 | 一种负荷调节评估方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116502939A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196237A (zh) * | 2023-09-19 | 2023-12-08 | 武汉盟游网络科技有限公司 | 一种基于云计算的信息管理方法和装置 |
-
2023
- 2023-03-28 CN CN202310316312.2A patent/CN116502939A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117196237A (zh) * | 2023-09-19 | 2023-12-08 | 武汉盟游网络科技有限公司 | 一种基于云计算的信息管理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112308427B (zh) | 一种基于组合赋权-灰关联的新能源消纳制约因素评估方法及系统 | |
CN113452053B (zh) | 一种分布式储能集群划分方法 | |
CN108376262A (zh) | 一种风电出力典型特性的分析模型构建方法 | |
CN117272850B (zh) | 配电网安全运行调度弹性空间分析方法 | |
CN116502939A (zh) | 一种负荷调节评估方法、装置、设备及介质 | |
CN113255900A (zh) | 一种考虑改进谱聚类与Bi-LSTM神经网络的冲击性负荷预测方法 | |
CN108460525A (zh) | 一种多能互补配用电系统的综合能源利用效率评估方法 | |
CN111080155A (zh) | 一种基于生成对抗网络的空调用户调频能力评估方法 | |
CN109146553A (zh) | 基于多密度聚类与多核svm的实时电价预测系统及其方法 | |
Haghdadi et al. | Clustering-based optimal sizing and siting of photovoltaic power plant in distribution network | |
CN117332288A (zh) | 一种建筑节能技术评估系统及方法 | |
CN113989073B (zh) | 一种基于大数据挖掘的光伏高占比配网电压时空多维评估方法 | |
CN113780686A (zh) | 一种面向分布式电源的虚拟电厂运行方案优化方法 | |
CN112600248B (zh) | 一种光柴储复合供电控制方法 | |
CN112653121B (zh) | 一种新能源微电网参与电网调频能力的评估方法及装置 | |
CN112052430B (zh) | 一种基于改进topsis的光伏场站相关性综合评估系统 | |
CN112633631A (zh) | 多电源系统互补性的评价方法 | |
CN113469420A (zh) | 一种多元电源系统电力能源结构评价优化方法 | |
CN113690941A (zh) | 配置光储充微网容量的方法、装置、设备及存储介质 | |
Rameshkhah et al. | Clustering of voltage control areas in power system using shuffled frog-leaping algorithm | |
CN110932265B (zh) | 一种静态电压稳定性评估方法及系统 | |
CN118195132A (zh) | 一种企业的多参量评估决策方法及系统 | |
Wang et al. | Research on load data classification method based on the characteristics of electricity consumption behavior by extreme learning machine | |
CN118297454A (zh) | 一种基于anp-critic的铁路自洽能源系统评估方法 | |
Jiang et al. | Research on time-series based and similarity search based methods for PV power prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |